基于改进量子粒子群算法的支持向量机参数优化方法

支持向量机参数的选择对建模精度和泛化性能等有着重要的影响,提出量子粒子群优化(QPSO)改进算法优化支持向量机(SVM)参数的方法。该方法首先将混合扰动算子引入QPSO算法中,用于获取平均最优位置,建立一种基于混合扰动算子的QPSO算法改进方法(IQPSO),然后用IQPSO算法的全局优化能力对支持向量机惩罚系数和核参数进行综合寻优,求取最优化参数组合,从而提高支持向量机的求解速度和解的精确性。利用测试函数和UCI测试数据,对IQPSO-SVM进行仿真测试与分类,实验结果表明,IQPSO能获得很好的优化结果,IQPSO-SVM具有较好的泛化性能。

机动发射条件下空间飞行器上升段弹道设计

为提高空间飞行器机动发射能力,在飞行中段轨迹确定情况下,以入轨点位置、高度、速度、速度方位角、弹道倾角等作为终端约束,设计上升段弹道,实现以基准发射点为中心,一定范围内任意发射点上升段与飞行中段高精度交班。考虑到上升段终端入轨点约束条件多、精度要求高,且上升段弹道具有非线性、强耦合的特点,研究设计了二级、三级能量管理模型和变射面横向机动模型,并采用加入混合扰动算子的梯度粒子群算法对上升段弹道进行求解。仿真结果表明:优化设计的变射面横向机动弹道能够实现与飞行中段的高精度交班,上升段终端入轨点位置、高度、速度、速度方位角和弹道倾角平均偏差分别为27. 506 2 m、2. 125 4 m、1. 652 2 m/s、0. 072 8°和0. 029 0°。